别只盯着 WorkBuddy 了！中国电信 TeleAgent 实测：运营商做 AI Agent 也这么猛？
前言
最近技术圈什么最火？腾讯的 WorkBuddy 绝对算一个。
2026 年 3 月正式上线，3 个月拿下国内 PC 端 AI 原生办公智能体月访问量第一，大家都在聊"AI 终于从回答问题进化到帮你干活了"。
但很多人不知道，中国电信也做了一款同类型的智能体——星辰超级智能体 TeleAgent。中电信人工智能公司凭借"星辰智能体平台"刚打入 IDC 报告中国智能体开发平台私有化市场份额前五。
作为一个两个都在用的开发者，我想聊聊：除了 WorkBuddy，TeleAgent 到底值不值得试？
用了一个月后，我的结论是：有些场景，它比 WorkBuddy 更顺手。
一、先说结论：两款产品定位对比
| 出品方 | 腾讯云 CodeBuddy 团队 | 中电信人工智能公司 |
| 底层模型 | 混元大模型，支持 DeepSeek | 多模型匹配，按任务类型选最优 |
| 核心定位 | 全场景 AI 办公工作台 | 工作办公场景 AI 搭子 |
| 本地执行 | 能读文件、跑代码 | 本地处理优先，不上传云服务 |
| 浏览器自动化 | 本地工具操作 | 基于 Playwright 全功能控制 |
| 微信遥控 | 核心卖点之一 | 支持群机器人推送 |
| 长期记忆 | 有 | 三层记忆架构（USER.md + MEMORY.md + 日志） |
| 定时任务 | 有 | 支持 cron 和一次性任务 |
| 技能体系 | 12 大类 151 个专家模块 | 15+ 内置技能，支持自定义扩展 |
| 企业版 | 2026年6月发布企业版 | 私有化部署市场份额前五 |
| 行业落地 | 政务（湾擎）、教育（LearnBuddy） | 通信抢修、政务、企业办公 |
一句话区分： WorkBuddy 偏"全场景工作台 + 微信生态联动"，TeleAgent 偏"本地安全优先 + 开发者友好 + 技能可扩展"。
如果你是腾讯生态重度用户，WorkBuddy 很香。但如果你是对数据安全敏感的开发者，或者需要深度定制工作流，TeleAgent 值得认真试试。
二、TeleAgent 和 WorkBuddy 最大的三个差异
差异 1：数据安全策略
WorkBuddy 的定位是云 + 本地混合，接入混元大模型。它的优势是模型能力强、微信联动体验好。但对于处理公司内部代码和架构文档的场景，数据上传到云端这件事，始终是个顾虑。
TeleAgent 的设计哲学是本地处理优先：
- 文件读写、代码执行均在本地完成
- 涉及敏感数据的操作不上传云服务
- 企业版支持私有化部署（这也是它能在 IDC 私有化市场份额进前五的原因）
实际体验： 我让 TeleAgent 帮我审查公司内部项目的 Service 层代码，代码文件全程在本地工作空间处理，不需要担心泄露。这对我这种经常处理商业代码的开发者来说，是刚需。
差异 2：开发者友好度
WorkBuddy 的 151 个专家模块覆盖面广，但更多面向通用办公场景。
TeleAgent 在开发者场景上做了更多深度设计：
- 代码编写 + 编译运行：直接在本地工作空间创建 .java / .py 文件，用 Bash 工具编译运行，报错自动修复
- 代码审查：用 Grep/Glob 快速定位，启动子代理做深度探索，输出结构化审查报告
- 架构文档输出：内置 CBB 规范文档格式，一句话生成符合企业标准的设计文档
- 自定义技能：通过 skill-creator 可以创建专属工作流技能。比如我创建了一个"从 Java Controller 代码自动生成 API 接口文档"的技能
举例： 我跟 TeleAgent 说"审查这个项目的 Service 层代码，重点关注事务管理、异常处理、ThreadLocal 使用"，它能发现 ThreadLocal 未清除导致线程池污染、CompletableFuture 子线程丢失上下文、重复 try-finally 模板代码等问题，并直接编辑代码修复。
差异 3：浏览器自动化深度
两款都支持本地工具操作，但 TeleAgent 的浏览器自动化基于全功能 Playwright 引擎，控制粒度更细：
| 页面导航 | 打开任意 URL，支持多标签页管理 |
| 无障碍树快照 | 比截图更适合自动化操作，直接给出元素 ref 引用 |
| 精确交互 | 点击、输入、拖拽、表单填写、文件上传 |
| JavaScript 执行 | browser_evaluate 执行任意 JS |
| Playwright 代码片段 | browser_run_code_unsafe 执行完整 Playwright 脚本 |
| 网络请求监控 | 查看和过滤页面网络请求 |
实际场景： 我让 TeleAgent 把技术博客自动发布到掘金和 CSDN。它读取本地 Markdown → 自动脱敏 → 打开掘金编辑器通过 CodeMirror API 注入内容 → 打开 CSDN 编辑器通过 textarea + execCommand 注入内容 → 设置标题和分类。全程我只需手动确认标签和点发布。
三、TeleAgent 最让我惊艳的 5 个场景
场景 1：一句话生成技术文档
我：帮我写一份商机管理系统的概要设计文档，
包含微服务划分、数据库设计、接口设计、部署视图，输出 Word
TeleAgent 自动规划文档结构 → 按企业规范生成内容 → 输出 .docx 文件。以前半天的工作，现在 1 小时以内搞定。
场景 2：脱敏 + 多平台自动发布
我：帮我把这篇 MyBatis-Plus 动态分表的文章脱敏后发布到掘金和 CSDN
处理流程：识别敏感信息（公司名、内部路径、真实类名）→ 替换泛化 → 先存脱敏版本到本地 → 确认无误后再发布到多平台。
场景 3：定时任务自动化
我：每天早上 9 点帮我搜索 Java 后端开源趋势，整理成简报
设置一次，每天自动执行。早上到工位，技术简报已经准备好了。WorkBuddy 也有类似能力，但 TeleAgent 支持完整的 cron 表达式，灵活度更高。
场景 4：技术调研深度研究
我：帮我调研 Spring AI 和 LangChain4j 的对比，
从架构设计、功能特性、社区活跃度、生产可用性几个维度分析
TeleAgent 调用 deep-research 技能：问题细化 → 多源并发搜索 → 交叉验证 → 引用标注 → 输出带完整来源的专业研究报告。比我自己搜索整理快太多。
场景 5：画技术图表
我：画一个微服务架构图，包含网关、注册中心、配置中心、4 个业务服务、MySQL 集群
支持 23 种图表类型，Draw.io（正式）和 Excalidraw（手绘风）两个引擎。5 分钟出图，以前拖拽 Visio 要 1-2 小时。
四、长期记忆：TeleAgent 和 WorkBuddy 的关键分水岭
这是我体验下来两款产品差异最大的地方。
TeleAgent 的三层记忆架构
记忆根目录/
├── USER.md # 我主动要求记住的内容
├── MEMORY.md # AI 从对话中自动提炼的核心事实
└── daily-log/
├── 2026-07-14.md # 每日对话自动记录
└── …
| 用户指定 | USER.md | 我让它记的 | “记住我用 Spring Cloud Alibaba，偏好 damddos-uni-parent 框架” |
| 系统推断 | MEMORY.md | AI 自动提炼 | 我的技术偏好、工作场景、文档格式要求 |
| 每日日志 | daily-log/ | 自动记录 | “今天修正了 3 个小区的成交数据” |
实际效果
- 第一次告诉它"我做的项目是售前商机管理系统"，之后每次写文档自动对齐这个技术栈
- 告诉它一次"我的文档格式偏好是 CBB 规范"，后面生成的文档都是这个格式
- 隔了一周问"之前我们处理过哪些数据修正？"，它搜索日志直接给你列表
对比 WorkBuddy： WorkBuddy 也有记忆能力，但 TeleAgent 的三层结构更透明——你能看到 AI 记住了什么（USER.md / MEMORY.md 都是可读的 Markdown 文件），也能手动编辑记忆内容。对于需要精确控制 AI 上下文的开发者来说，这种透明度很重要。
五、一个月使用效率对比
| 写技术设计文档 | 半天 ~ 1 天 | 1 小时以内 |
| 发博客到掘金 + CSDN | 手动复制粘贴 20 分钟 | 一句话搞定（手动确认约 2 分钟） |
| 技术调研报告 | 1~2 天 | 半天 |
| 画架构图 | 1~2 小时拖拽 | 5 分钟出图 |
| 每日技术资讯收集 | 零碎时间刷半小时 | 定时任务自动完成 |
| 代码审查 | 逐文件人工审查 | AI 批量分析 + 结构化报告 |
六、客观说几个不足
不能只说好的，也说说需要改进的地方：
七、谁该用 TeleAgent？
| 处理敏感数据的开发者 | 强烈推荐，本地处理优先 + 私有化部署 |
| 需要深度定制工作流的技术团队 | 推荐，自定义技能 + cron 定时任务 |
| 腾讯生态重度用户 | WorkBuddy 可能更合适，微信联动体验更好 |
| 通用办公场景为主 | 两款都行，看个人偏好 |
| 需要浏览器深度自动化的场景 | 推荐 TeleAgent，Playwright 全功能控制 |
| 关注企业级私有化部署的决策者 | 推荐关注 TeleAgent，IDC 私有化前五 |
八、快速上手路径
第一周：从简单场景入手
- 让它帮你写个文档或做个表格
- 试试画个流程图
- 让它记住你的技术栈和偏好
第二周：尝试多步骤任务
- 技术调研报告
- 代码审查
- 从代码生成接口文档
第三周：上浏览器自动化
- 自动发布博客
- 网页数据抓取
第四周：组合连招
- 定时任务 + 数据收集
- 脱敏 + 多平台发布
- 并行多任务执行
常用场景速查表
| 写技术文档 | “帮我写一份 XX 的概要设计文档，输出 Word” |
| 做 PPT | “帮我做一个 XX 主题的汇报 PPT” |
| 处理 Excel | “帮我把这个 Excel 按销售额排序，重复数据删掉” |
| 画图 | “画一个 XX 的流程图 / 架构图 / ER 图” |
| 代码审查 | “审查这个项目的 Service 层，关注事务和异常处理” |
| 技术调研 | “帮我调研 XX 和 YY 的对比，生成研究报告” |
| 发布博客 | “把这篇文章脱敏后发布到掘金和 CSDN” |
| 定时任务 | “每天早上 9 点帮我搜索 Java 开源趋势” |
| 记住偏好 | “记住我用的框架是 Spring Cloud Alibaba” |
| 搜索记忆 | “之前我们处理过 XX 吗？” |
写在最后
WorkBuddy 火有火的原因——腾讯的流量、微信生态联动、先发优势，都很强。但 AI Agent 这个赛道远没到终局，不同产品适合不同场景。
如果你和我的画像类似——Java 开发者、处理商业代码、对数据安全敏感、需要深度定制工作流——那 TeleAgent 值得认真试试。
用了一个月最大的感受：当重复劳动被自动化之后，我有了更多时间思考真正重要的问题。
这不是哪家公司的问题，是 AI Agent 这个品类正在改变开发者的工作方式。WorkBuddy 和 TeleAgent 都是这个进程的推动者。
如果你也在这两款产品之间纠结，或者已经在用其中一款，欢迎评论区交流。
本文基于 TeleAgent 实际使用体验撰写，部分产品信息参考百度百科、腾讯云开发者社区及公开报道。
